📈 경제학
Learned Attention or Mechanical Flattening? Diagnosing Index Gains in Spillover Networks
본 연구는 스필오버 네트워크 모델에 그래프 어텐션 레이어를 추가하는 것이 총 연결성 지수를 증가시키기는 하지만, 이러한 이득은 학습된 어텐션의 진정한 개선이라기보다는 분산 재배치의 기계적 결과물일 가능성이 높음을 입증하는데, 이는 단순한 균등 행렬으로의 수축(shrinkage)이 더 낮은 오차로 동일한 결과를 달성하기 때문이다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.